-
公开(公告)号:CN119741467A
公开(公告)日:2025-04-01
申请号:CN202411637460.5
申请日:2024-11-15
Applicant: 北京卫星信息工程研究所
IPC: G06V10/25 , G01S13/90 , G06V20/13 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/84 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种基于光学和SAR遥感数据的飞机目标检测识别方法与装置,所述方法包括以下步骤:S1、选用标注完整的SAR图像形成数据集A用来训练第一目标检测模型;S2、选用与数据集A处于同区域同时刻的光学图像形成数据集B用来训练第二目标检测模型;S3、获取同区域同时刻的SAR、光学图像,并分别输入第一、第二目标检测模型检测,并根据检测目标的姿态角分别对第一、第二目标检测模型的检测结果进行旋转变换,获得第一、第二检测结果;S4、通过基于注意力的决策融合检测算法对上述第一、第二检测结果进行决策融合。本发明采用深度学习图像处理方法,通过光学、SAR多传感器数据融合检测技术,有效提高了目标识别的准确性。
-
公开(公告)号:CN119251679A
公开(公告)日:2025-01-03
申请号:CN202411380020.6
申请日:2024-09-30
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766
Abstract: 本发明的基于双曲空间映射的遥感图像目标检测方法,包括S1、提取遥感图像的特征,得到层级特征图;S2、通过特征融合网络,融合相同类型的层级特征图,获得第一多层级特征图;S3、利用双曲空间映射网络将第一多层级特征图的通道信息投影到双曲空间,得到第二多层级特征图;S4、拼接第一多层级特征图和第二多层级特征图,获得融合特征图;S5、构建特征检测头,检测融合特征图,计算分类损失和位置预测损失;S6、重复S1至S5,训练遥感图像目标检测模型;S7、利用S6得到的遥感图像目标检测模型检测遥感图像。本发明通过增强预测特征图的信息维度,帮助模型理解数据分布,学习更抽象的特征表示,从而提高对目标检测任务的泛化能力。
-
公开(公告)号:CN118735969A
公开(公告)日:2024-10-01
申请号:CN202410739942.5
申请日:2024-06-07
Applicant: 北京卫星信息工程研究所
IPC: G06T7/33 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/20 , G06V10/40 , G06N3/0475 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本发明涉及一种基于表示学习的高光谱遥感影像配准方法,包括:获取高光谱遥感卫星拍摄一组高光谱图像,并对其进行预处理;构建对抗生成网络,并对不同波段范围进行多波段特征学习和特征映射;构建多波段结构化语义的CNN‑RNN混合神经网络深度表达模型,提取每个波段高光谱图像的结构语义信息;建立跨波段的特征对齐和特征关联的网络模型,进行不同波段间影像的匹配。本发明,能够提高高光谱遥感影像配准的精度,更能大大节省配准的效率,节省人力物力。
-
公开(公告)号:CN113780152B
公开(公告)日:2024-04-05
申请号:CN202111043241.0
申请日:2021-09-07
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开一种基于目标感知的遥感图像船只小目标检测方法,基于多任务学习、YOLOv5、特征金字塔、多头注意力、超分辨重建等方法,具体步骤如下:一、读入图像数据并进行预处理;二、构造基于目标感知的多任务深度神经网络;三、训练卷积神经网络,得到静态模型参数;四、利用去除目标感知分支后的训练好的模型进行遥感图像目标检测。本发明通过设计一种新型的基于目标感知的多任务深度学习网络,能够对低分辨率宽幅遥感图像下的船只小目标有更加优秀的检测性能,并保证实时的检测速度。输入为遥感图像,输出为船只小目标的位置信息,自动化程度高,能够大幅度提高效率、准确度并降低成本。
-
公开(公告)号:CN116450613B
公开(公告)日:2023-12-19
申请号:CN202310418313.8
申请日:2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/21 , G06F16/25 , G06F16/29 , G06F16/955
Abstract: 本发明涉及一种面向资源的地理样本数据服务方法、设备及存储介质,建立地理人工智能样本数据服务元数据描述的概念模型和逻辑模型;建立地理人工智能样本数据服务资源体系;构建面向资源的地理人工智能样本数据服务接口及接口与地理人工智能样本数据服务资源的映射关系;定义表述性状态转换风格的地理人工智能样本数据服务资源的统一资源描述标识符,并与样本数据服务接口绑定;发布地理人工智能样本数据服务的网络访问接口。本发明,增强了空间数据基础设施的智能化服务能力,从而支持建设人工智能就绪的空间数据基础设施,满足了多源异构的地理人工智能样本数据的共享服务
-
公开(公告)号:CN116503733A
公开(公告)日:2023-07-28
申请号:CN202310460255.5
申请日:2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/46 , G06V10/764 , G06T7/73
Abstract: 本发明涉及一种遥感图像目标检测方法、设备及存储介质,遥感图像目标检测方法包括以下步骤:获取遥感图像及其对应的目标类别标签;获取遥感图像中目标的关键特征;构建基于多尺度直方图对比的改进视觉显著模型,对遥感图像中的目标进行粗略检测;提取粗检测后的目标特征算子,构建目标特征显著图,进行遥感图像中目标的高精度检测;利用目标在遥感图像中的分布规律,完成目标的识别和定位。本发明,能够适用于背景环境复杂的遥感图形,有利于降低虚警,减小其他类型虚假目标对目标定位的影响,不仅可以实现遥感图像中目标的检测,还可以通过目标特征及目标的排布方式进行目标的识别,提升检测结果的准确性。
-
公开(公告)号:CN116486085A
公开(公告)日:2023-07-25
申请号:CN202310474551.0
申请日:2023-04-27
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种遥感图像的场景描述方法,包括:S100,根据遥感图像构建遥感知识词库;S200,根据Mask2Former网络对所述遥感图像进行全景分割,得到全景分割结果并生成语义分割结果;S300,引入语义扩充模块,根据所述全景分割结果和所述语义分割结果对所述遥感图像进行语义扩充;S400,以ResNet特征提取网络为基础,引入基于通道的注意力模块,提取所述遥感图像中不同通道的语义特征信息;S500,以LSTM场景描述网络为基础,引入知识融合模块,生成关于所述遥感图像的场景描述语句。本发明能更加准确地描述高分遥感图像所携带的丰富语义及空间信息,可应用于遥感图像智能解译、遥感图像大数据管理等领域,具有广阔的前景。
-
公开(公告)号:CN116450613A
公开(公告)日:2023-07-18
申请号:CN202310418313.8
申请日:2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/21 , G06F16/25 , G06F16/29 , G06F16/955
Abstract: 本发明涉及一种面向资源的地理样本数据服务方法、设备及存储介质,建立地理人工智能样本数据服务元数据描述的概念模型和逻辑模型;建立地理人工智能样本数据服务资源体系;构建面向资源的地理人工智能样本数据服务接口及接口与地理人工智能样本数据服务资源的映射关系;定义表述性状态转换风格的地理人工智能样本数据服务资源的统一资源描述标识符,并与样本数据服务接口绑定;发布地理人工智能样本数据服务的网络访问接口。本发明,增强了空间数据基础设施的智能化服务能力,从而支持建设人工智能就绪的空间数据基础设施,满足了多源异构的地理人工智能样本数据的共享服务需求,为地理人工智能样本数据的共享和应用提供有力支撑。
-
公开(公告)号:CN113780152A
公开(公告)日:2021-12-10
申请号:CN202111043241.0
申请日:2021-09-07
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开一种基于目标感知的遥感图像船只小目标检测方法,基于多任务学习、YOLOv5、特征金字塔、多头注意力、超分辨重建等方法,具体步骤如下:一、读入图像数据并进行预处理;二、构造基于目标感知的多任务深度神经网络;三、训练卷积神经网络,得到静态模型参数;四、利用去除目标感知分支后的训练好的模型进行遥感图像目标检测。本发明通过设计一种新型的基于目标感知的多任务深度学习网络,能够对低分辨率宽幅遥感图像下的船只小目标有更加优秀的检测性能,并保证实时的检测速度。输入为遥感图像,输出为船只小目标的位置信息,自动化程度高,能够大幅度提高效率、准确度并降低成本。
-
-
-
-
-
-
-
-